4.3 Обращение к программе
Для запуска программы необходимо открыть в папке «курсовой ЭВМиВС» файл «курсовой ЭВМиВС.sln» с помощью MS Visual Studio С# 2010 и нажать кнопку «Начать отладку». В результате должно появиться окно программы.
Входные и выходные данные
В предыдущей работе были подобраны оптимальные значения коэффициентов нейросети:
Количество шагов обучения – 100;
Коэффициент скорости обучения – 0,7;
Коэффициент сигмоида – 1,3;
Эффективность работы нейросети с этими параметрами так же была проверена при работе с другими классами чисел. Поэтому для данной нейросети лучше использовать именно эти значения.
В пункты: «Количество нейронов», нужно вводить целые значения. Значения коэффицентов k (коэффицент сигмоидной функции) и skor (скорость обучения) могут быть дробными.
В пункте «Обучающая выборка» нужно выбрать файлы для обучения нейросети соответствующим классам. В пунктах «Файл» выбираются файлы для экзаменационной и тестовой выборки.
В файлах экзаменационной выборки представлены 20 выборок соответствующего класса. После нажатия кнопки «Старт» будет выведен процент распознавания чисел данного класса. Если он низок и не удовлетворяет условиям, то следует вернуться к шагу обучения. Далее можно переходить к тестированию программы.
Руководство пользователя
Программа предназначена для распознавания двух классов чисел.
Для запуска программы необходимо открыть в папке «курсовой ИТПЗ 2010» файл «курсовой титп2.sln» с помощью MS Visual Studio С# 2010 и нажать кнопку «Начать отладку». В результате должно появиться окно программы.
После появления рабочего окна (рисунок 9) можно поступать к работе.
Рисунок 9 – Окно для ввода данных
В пункты: «Количество нейронов», нужно вводить целые значения. Модель нейросети на ПК может иметь любое количество нейронов как первого, так и второго слоя. Но так как в программе микроконтроллера нейросеть имеет 4 нейрона на первом слое и 2 на втором, следует вводить именно эти значения.
Значения коэффицентов k (коэффицент сигмоиды) и skor (скорость обучения) могут быть дробными.
После ввода этих значений нужно нажать кнопку «Создать сеть».
Далее в пункте «Обучающая выборка» нужно выбрать файлы для обучения нейросети и нажать на кнопку «Обучить».
После того как сеть будет обучена, появится график функции ошибки нейросети зависящий от шага обучения, а так же таблица значений ошибок при каждом шаге.
Затем следует проверить нейросеть на правильность распознавания образов. В пункте «Экзаменационная выборка» выбираются файлы первого или второго класса, в которых содержатся по 20 выборок. После нажатия кнопки «Старт» в строке «Процент» появится процент распознавания нейросетью образов выбранного класса. Если процент распознавания низкий, то следует вернуться к обучению нейросети. Если же процент удовлетворяет требованиям, то следует передать значения весовых коэффициентов на микроконтроллер. Для этого следует выбрать доступный COM-порт в выпадающем меню PortName и нажать кнопку Connect. После удачного соединения нужно нажать кнопку «Отправить коэффициенты» и дождаться полной отправки. Во время приема весовых коэффициентов на отладочной плате микроконтроллера синий светодиод будет загораться с частотой 5 Гц (в режиме ожидания – 1 Гц).
Тестовая выборка служит для того, чтобы самому убедиться в правильности работы программы. В тестовых файлах представлена одна выборка определенного класса чисел. После выбора файла можно проверить работу программы как на ПК, нажав кнопку «Результат», так и на микроконтроллере, передав числа, находящиеся в файле по RS-232. Для этого следует установить соединение с COM-портом, если это не сделано ранее, и нажать кнопку «Send to MC». Во время приема чисел, так же как и во время приема весовых коэффициентов, синий светодиод отладочной платы будет загораться с частотой 5 Гц. После обработки результатов загорается либо зеленый, либо красный светодиод. Зеленый – если удалось распознать первый класс чисел, красный – если второй. При неудачном распознавании оба светодиода будут выключены.